基于径流特性分解的月径流集成预测模型研究

作     者：万锦 马彪 刘为锋 WAN Jin;MA Biao;LIU Wei-feng

作者机构：河海大学水文水资源学院江苏南京210098 长江勘测规划设计研究有限责任公司湖北武汉430010 水利部水利水电规划设计总院北京100120 

基　　金：国家重点研发计划(2022YFC3202300) 长江勘测规划设计研究有限责任公司自主创新项目(CX2020Z02) 中国博士后科学基金(2021M702313) 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2024年第42卷第5期

页      码：29-33页

摘      要：揭示混沌径流序列中的规律特性可使预测径流的可解释性、精度大幅提升。针对中长期径流序列的周期性、趋势性特征,收集洪泽湖流域吴家渡站1959~2019年实测月径流资料,提取径流周期成分和趋势成分,依据各成分的径流特性,选取契合物理特性规律的极限梯度下降(XGBoost)预测模型进行趋势成分预测,选择善于捕捉混沌规律的长短期记忆神经网络(LSTM)进行残差成分预测,构建了一种基于径流特性分解的XGBoost-LSTM集成预测模型,采用该模型对洪泽湖流域吴家渡站月径流序列进行预测,并将预测结果与XGBoost、LSTM、随机森林、BP等单一预测模型进行比较。结果表明,基于特性成分提取的XGBoost-LSTM集成模型的预测精度高于单一径流预测模型,能够利用径流序列规律特性,充分发掘预测模型优势,有效提升径流预测精度。

主 题 词：径流特性分解 梯度提升树 长短期记忆人工神经网络 集成模型 中长期径流预测 

学科分类：08[工学] 081501[081501] 0815[工学-矿业类] 

D　O　I：10.20040/j.cnki.1000-7709.2024.20231307

馆 藏 号：203127664...